从数据帧中分层随机抽样

我有一个格式为的数据框：

head(subset)
# ants  0 1 1 0 1 
# age   1 2 2 1 3
# lc    1 1 0 1 0

我需要根据年龄和 lc 创建带有随机样本的新数据框。例如，我想要来自age:1和lc:1的30个样本，来自age:1和lc:0的30个样本等。

我确实研究了随机抽样方法，例如；

newdata <- function(subset, age, 30)

但这不是我想要的代码。

我建议使用stratified从我的“splitstackshape”包中，或者sample_n来自“dplyr”包：

## Sample data
set.seed(1)
n <- 1e4
d <- data.table(age = sample(1:5, n, T), 
                lc = rbinom(n, 1 , .5),
                ants = rbinom(n, 1, .7))
# table(d$age, d$lc)

For stratified，您基本上指定数据集、分层列以及表示您想要从每个组中获得的大小的整数或表示您想要返回的分数的小数（例如，0.1 表示每个组中的 10%）。

library(splitstackshape)
set.seed(1)
out <- stratified(d, c("age", "lc"), 30)
head(out)
#    age lc ants
# 1:   1  0    1
# 2:   1  0    0
# 3:   1  0    1
# 4:   1  0    1
# 5:   1  0    0
# 6:   1  0    1

table(out$age, out$lc)
#    
#      0  1
#   1 30 30
#   2 30 30
#   3 30 30
#   4 30 30
#   5 30 30

For sample_n您首先创建一个分组表（使用group_by)，然后指定您想要的观测值数量。如果您想要比例采样，则应该使用sample_frac.

library(dplyr)
set.seed(1)
out2 <- d %>%
  group_by(age, lc) %>%
  sample_n(30)

# table(out2$age, out2$lc)